M ´ultiplas C ˆamaras

Um dos temas em ascens ˜ao na ´area de detecc¸ ˜ao e seguimento de objectos ´e a utilizac¸ ˜ao de m ´ultiplas c ˆamaras com vistas disjuntas. O m ´etodo proposto por Javed et al. (2003) estabelece uma correspond ˆencia entre objectos quando estes se movimentam entre c ˆamaras nesta configurac¸ ˜ao, atrav ´es de uma aprendizagem da topologia das c ˆamaras e dos caminhos percorridos pelos objectos. Os m ´etodos propostos por Zhu et al. (2011) e Kettnaker and Zabih (1999) associam as tra- ject ´orias dos objectos em movimento sobre as m ´ultiplas c ˆamaras sem sobreposic¸ ˜ao do campo de vis ˜ao para encontrar correspond ˆencia entre estes. Chen et al. (2008) prop ˆos um m ´etodo para apren- dizagem de relac¸ ˜oes temporais, espaciais e de apar ˆencia entre c ˆamaras para monitorizac¸ ˜ao conti- nua de longa durac¸ ˜ao. Atrav ´es de uma observac¸ ˜ao estat´ıstica, o m ´etodo proposto por Makris et al. (2004) determina automaticamente a topologia das c ˆamaras com vistas disjuntas. Para al ´em de calcular automaticamente a topologia das c ˆamaras, Black et al. (2005) estima o tempo de transic¸ ˜ao entre os diversos pontos disjuntos.

Este tipo de sistemas est ˜ao sujeitos a demasiadas falhas, visto que um determinado objecto pode mudar de apar ˆencia na transic¸ ˜ao entre as m ´ultiplas c ˆamaras e mudar o seu padr ˜ao de com- portamento, tornando o reconhecimento de padr ˜oes altamente fal´ıvel.

Cap´ıtulo 3

Metodologia Proposta

Este cap´ıtulo descreve a metodologia proposta para a detecc¸ ˜ao de m ´ultiplos focos de inc ˆendio e, simultaneamente, detecc¸ ˜ao e seguimento de m ´ultiplos objectos em tempo real, em ambientes exteriores e com alterac¸ ˜oes din ˆamicas das condic¸ ˜oes de luminosidade inerentes ao local onde o sistema de v´ıdeo vigil ˆancia est ´a instalado.

O sistema proposto ´e composto pelos algoritmos de detecc¸ ˜ao de fogo e detecc¸ ˜ao e seguimento de objectos, descritos nas secc¸ ˜oes 3.2 e 3.3, respectivamente. Para a detecc¸ ˜ao de focos de inc ˆendio s ˜ao analisados a informac¸ ˜ao da cor das regi ˜oes de p´ıxeis em movimento (descrito na secc¸ ˜ao 3.1) e as caracter´ısticas din ˆamicas conhecidas do fogo no dom´ınio da frequ ˆencia. Os m ´etodos imple- mentados para a detecc¸ ˜ao e seguimento de objectos incluem t ´ecnicas de segmentac¸ ˜ao de regi ˜oes de movimento, filtros estoc ´asticos para o seguimento de objectos e classificadores treinados para a discriminac¸ ˜ao entre um objecto gen ´erico e um humano.

Com base no algoritmo de detecc¸ ˜ao de fogo ´e poss´ıvel diferenciar uma regi ˜ao de fogo de um ob- jecto em movimento com cores semelhantes `as das chamas. No entanto, objectos com movimentos repetitivos podem afectar a robustez dessa diferenciac¸ ˜ao. Neste sentido, o sistema proposto nesta dissertac¸ ˜ao integra o resultado dos dois algoritmos (ver Secc¸ ˜ao 3.5) de modo a reduzir a taxa de falsos alarmes na detecc¸ ˜ao de fogo, eliminando os alarmes provenientes dos referidos objectos.

Consoante o tipo de evento que ocorre no campo de vis ˜ao da c ˆamara, o sistema reporta alarmes com as coordenadas do evento no sistema de posicionamento global (GPS). Esta capacidade deve- se `a calibrac¸ ˜ao do sistema, detalhada na secc¸ ˜ao 3.4.

A figura 3.1 mostra o processamento do sistema proposto para cada imagem. Em primeiro lugar, as regi ˜oes de p´ıxeis em movimento s ˜ao extra´ıdas a cada nova imagem. Seguidamente, o algoritmo de detecc¸ ˜ao de fogo ´e processado, onde os p´ıxeis em movimento s ˜ao classificados a partir de um modelo baseado na cor do fogo, e o conjunto de p´ıxeis classificados como fogo s ˜ao utilizados para a detecc¸ ˜ao de texturas din ˆamicas, atrav ´es de um filtro temporal recursivo proposto nesta dissertac¸ ˜ao. As regi ˜oes detectadas, isto ´e, com assinatura temporal semelhante `as das chamas, s ˜ao analisadas no dom´ınio da frequ ˆencia, avaliando a oscilac¸ ˜ao dos p´ıxeis e as texturas din ˆamicas com base na transformada wavelet discreta no espac¸o de frequ ˆencia temporal e espacial, respectivamente.

Cap´ıtulo 3. Metodologia Proposta

De seguida, o algoritmo de detecc¸ ˜ao e seguimento de pessoas ´e executado, onde o plano de fundo ´e removido para extrair as regi ˜oes de movimento com base na hist ´oria dos p´ıxeis. Caso uma regi ˜ao de movimento seja detectada (objecto), ´e aplicado o m ´etodo de remoc¸ ˜ao de sombras para extrair os p´ıxeis considerados sombra. Quando um determinado objecto for consecutivamente detectado e apresentar movimento, este ´e seguido atrav ´es de um filtro de part´ıculas, que estima a sua posic¸ ˜ao atrav ´es do modelo de cor que o define. Por fim, o objecto ´e definido como humano atrav ´es de um classificador baseado em histogramas de gradientes orientados (HOG).

O ´ultimo passo do sistema ´e a integrac¸ ˜ao dos resultados dos referidos algoritmos. Esta integrac¸ ˜ao ´e essencial para verificar se um resultado positivo da an ´alise wavelet do algoritmo de detecc¸ ˜ao de fogo ´e causado por um objecto em movimento. Por fim, ´e gerado um conjunto de alarmes (fogo, movimento e seguimento) consoante o tipo de evento a ocorrer no ambiente.

Figura 3.1: Diagrama de processamento do sistema proposto para a detecc¸ ˜ao de fogo e detecc¸ ˜ao e seguimento

de objectos para cada nova imagem.

3.1

Detecc¸ ˜ao de Regi ˜oes de Movimento

O primeiro passo de uma aplicac¸ ˜ao de v´ıdeo vigil ˆancia ´e a extracc¸ ˜ao de regi ˜oes de movimento. Com base no m ´etodo para a estimac¸ ˜ao do plano de fundo proposto por Collins et al. (2000), HBE, ´e poss´ıvel segmentar regi ˜oes de p´ıxeis em movimento atrav ´es de sequ ˆencias de imagens. Embora este m ´etodo seja baseado em duas operac¸ ˜oes, com vista a diminuir o custo computacional atrav ´es

3.1. Detecc¸ ˜ao de Regi ˜oes de Movimento

da substituic¸ ˜ao da subtracc¸ ˜ao adaptativa do plano de fundo pelo algoritmo de componentes ligados, nesta dissertac¸ ˜ao apenas ´e considerada a diferenciac¸ ˜ao de tr ˆes imagens consecutivas. Assim, a informac¸ ˜ao de um pixel ´e considerada em movimento se o valor da sua intensidade variar significa- tivamente entre a imagem actual e as duas imagens anteriores, ou seja,

M = {(x, y) : (|Isn(x, y) − Isn−1(x, y)| > Tn(x, y)) ∧ (|Isn(x, y) − Isn−2(x, y)| > Tn(x, y))}, (3.1)

onde Isn representa a intensidade do pixel na posic¸ ˜ao(x, y) na imagem n. O par ˆametro Tn repre-

senta o limiar de diferenciac¸ ˜ao que descreve uma mudanc¸a significativa na intensidade do pixel na posic¸ ˜ao(x, y) em n.

O modelo de plano de fundo Bn e o limiar de diferenciac¸ ˜ao Tn s ˜ao actualizados ao longo do

tempo atrav ´es das express ˜oes:

Bn(x, y) =    αBn−1(x, y) + (1 − α)In−1s (x, y), se(x, y) /∈ M, Bn−1(x, y), se(x, y) ∈ M. (3.2) Tn(x, y) =    αTn−1(x, y) + (1 − α)(5|In−1s (x, y) − Bn(x, y)|), se(x, y) /∈ M, Tn(x, y), se(x, y) ∈ M, (3.3)

ondeα representa uma constante que especifica a velocidade pela qual as novas observac¸ ˜oes se sobrep ˜oem `as observac¸ ˜oes anteriores, definida no intervalo[0, 1]. Quando se pretende extrair ape- nas as regi ˜oes de movimento da imagem actual, sem ter em considerac¸ ˜ao o movimento das mesmas em instantes anteriores, o par ˆametroα ´e definido como 1. No instante inicial, B0 ´e actualizado com

a primeira imagem do sistema e T0 ´e definido como um valor superior a zero (ver em baixo).

Na figura 3.2 est ˜ao expostos resultados do m ´etodo quando aplicado em ambientes exteriores, contendo chamas e pessoas em movimento.

(a) Imagem actual (b) IHBE

Figura 3.2: Detecc¸ ˜ao de regi ˜oes de movimento atrav ´es do m ´etodo para estimac¸ ˜ao do plano de fundo. (a)

Cap´ıtulo 3. Metodologia Proposta ´

E importante notar que o valor inicial do limiar de diferenciac¸ ˜ao T0 necessita de reflex ˜ao, pois

quanto mais elevado for o seu valor, menos sens´ıvel se torna o m ´etodo HBE na detecc¸ ˜ao de regi ˜oes de movimento. A figura 3.3 ilustra tr ˆes exemplos do resultado do m ´etodo para a estimac¸ ˜ao do plano de fundo para diferentes valores do limiar de diferenciac¸ ˜ao T0.

(a) (b) (c) (d)

Figura 3.3: (a) Imagem actual; m ´ascara resultante do m ´etodo HBE para diferentes valores do limiar de

diferenciac¸ ˜ao T0no ambiente da figura (a), definido como 5 (b), 10 (c) e 15 (d).

Na figura 3.3(b) o limiar T0foi definido como 5, apresentando assim uma maior segmentac¸ ˜ao

das regi ˜oes de movimento. No entanto este limiar ´e demasiado baixo, visto que a m´ınima alterac¸ ˜ao de movimento na imagem actual ´e detectada, acrescentando demasiado ru´ıdo. No caso da fi- gura 3.3(d), o limiar de diferenciac¸ ˜ao foi definido como 15 e assim n ˜ao s ˜ao apresentadas as regi ˜oes de movimento provenientes das folhas das ´arvores (lado direito da imagem). No entanto, este li- miar ´e demasiado elevado para se segmentar o movimento de objectos de pequena dimens ˜ao. Neste sentido, ap ´os uma parametrizac¸ ˜ao do limiar de diferenciac¸ ˜ao, este foi definido como 10. A figura 3.3(c) apresenta o resultado do m ´etodo HBE para esta parametrizac¸ ˜ao, onde o movimento proveniente das folhas das ´arvores n ˜ao ´e significativo, ao mesmo tempo que segmenta o movimento das pessoas (incluindo as suas sombras).